K-means聚类中心的鲁棒优化算法

摘要：

针对K-means算法对随机选择的初始聚类中心敏感且聚类结果不稳定、准确率不高的问题,提出一种基于邻域数据距离加权的聚类中心鲁棒优化算法.通过建立数据密度约束将聚类中心优化在数据密集区域,有效克服K-means算法聚类结果稳定性差等问题.通过对仿真数据和标准数据集的实验,验证了采用该算法收敛的聚类中心非常接近标准数据集的实际中心,具有较优的聚类准确性、鲁棒性和收敛速度.

关键词：K-means聚类算法、初始聚类中心、邻域距离加权、聚类优化、鲁棒算法

所属期刊栏目：36

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目61271198

在线出版日期：2015-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2395-2400